OptiGAN:目標最適化シーケンス生成のための生成敵対ネットワーク【JST・京大機械翻訳】

Hossam Mahmoud; Le Trung; Huynh Viet; Papasimeon Michael; Phung Dinh

プレプリント

J-GLOBAL ID：202202219699000287 整理番号：21P0029300

OptiGAN:目標最適化シーケンス生成のための生成敵対ネットワーク【JST・京大機械翻訳】

OptiGAN: Generative Adversarial Networks for Goal Optimized Sequence Generation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年04月16日プレプリントサーバーでの情報更新日： 2021年01月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

シーケンス生成タスクにおける挑戦的な問題の1つは,特定の望ましい目標を持つ配列の最適化生成である。現在の逐次生成モデルは,主に訓練データを密接に模倣するシーケンスを生成し,タスクに特有な望ましい目標または特性の直接最適化を行わなかった。政策勾配を用いて望ましい目標スコアを最適化するために,Generative Adversarial Network(GAN)と強化学習(RL)の両方を組み込んだ生成モデルであるOptiGANを導入した。著者らのモデルをテキストと実数値シーケンス生成に適用し,ここでは,著者らのモデルが,出力サンプル多様性を犠牲にすることなく,GANとRLベースラインを凌駕するより高い望ましいスコアを達成することができる。【JST・京大機械翻訳】

, , , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , ,

前のページに戻る